大会报告（一）

报告题目：未来战争，将是以认知决策为中心的混合型控制战——复杂性将成为未来战争的重要武器

报告人：刘国治院士

工作单位：军事科学院

报告摘要

基于智能化时代即将到来这一大趋势的科学判断，研究提出未来战争将是以认知决策为中心的混合型控制战，并指出军事智能化发展必将引起重大变革。提出：

1) 制智权将成为核心制权。智力将超越火力、信息力等成为决定战争胜负的最关键因素，智力将主宰火力、机动力、信息力发展和运用。谁具有智力优势，谁将掌握未来战争的主导权、主动权。认知博弈将成为战争的主线，人机混合智能将是未来智能的最高形式；

2) “混合”将成为突出特征。战争力量、作战域、部队编成、作战样式和攻击毁伤方式等均呈现混合特征。但混合决不是不择手段，而是以最小的伤亡和对社会最小破坏为目标，达到使敌人服从己方意志的战争目的；

3) 复杂性将成为重要武器。未来战争将呈现出越来越复杂之态势，复杂系统科学将成为智能化军队建设和驾驭及打赢未来战争之必需；

4) “控制”将成为核心要求。战争任务将由主要歼灭对手向控制对手转变。认知控制是控制战的最高形式，即控制对手认知、操控对手决策和行为；

5) 认知域将成为决胜战场，认知战将成为重要作战样式，“脑”将成为核心作战对象。复杂乱脑、斩首亡脑、设局控脑、舆论迫脑、以快费脑等作战样式将逐渐呈现。

同时，指出为了适应军事智能化发展，必须大力开展有关复杂系统科学、认知博弈科学和能量信息认知综合作用毁伤机理等基础科学研究，并应特别注意向人体这个科学高效的复杂巨系统学习，研究建立国防和军队建设人体模型。

个人简介

刘国治，教授，中国科学院院士，中央军委科学技术委员会原主任。毕业于清华大学，分别于1983年、1986年和1992年获得学士、硕士和博士学位。我国著名应用物理学家。主要科研方向为高功率微波、太赫兹生物物理和军事智能化及复杂系统科学等，并长期从事科研管理。

大会报告（二）

报告题目：轨迹动力学——贯通整体论与还原论的探索

报告人：薛禹胜院士

工作单位：国网电力科学研究院

报告摘要

钱学森先生在 1990 年指出，研究复杂系统要从整体到部分，再由部分到整体，以克服整体论与还原论各自的局限性。遵循此思路，本报告介绍的“轨迹动力学”贯通了整体论与还原论。该研究范式的要点包括：

(1) 相关多领域的建模；

(2) 支持因果模型，多代理模型及真实人参与的混合沙盘推演，获取整体系统在演化过程中的全部信息，从而确保了整体论对信息基础的要求；

(3) 按针对具体问题的理论分析给出的模式定义，将整体系统的轨迹解耦为子系统轨迹；

(4) 从目标子系统的内部变量，与外部子系统交互的边界变量的轨迹中，提取特征指标，从而建立了整体论分析与还原论分析之间信息熵不变的双向贯通；

(5) 采用分段线性化技术将经典还原论方法拓广应用到开放、非平衡的非线性系统；

(6) 将各子系统的特征指标序列聚合，共同刻画整体系统的演化行为及机理。

报告通过在 Lorenz 系统、电力系统稳定性、宽频振荡，及双碳变革路径优化等不同的复杂系统中的应用，说明轨迹动力学如何兼容了整体论的全局观点与还原论的机理观点。

个人简介

薛禹胜，中国工程院院士，国网电科院名誉院长，SCI期刊《MPCE》创刊主编及现任主编，中文期刊《电力系统自动化》主编。他是稳定性理论及电力系统自动化专家，提出、设计并成功实施的停电防御系统是首批243项国家自主创新产品之一。提出了能源领域的信息-物理-社会系统的研究框架。共获全国科学大会奖1项，国家科学技术奖7项，国家图书奖提名奖1项，中国专利金奖及优秀奖各1项，首届江苏省科学技术突出贡献奖2名获奖者之一。

大会报告（三）

报告题目：Systems optimization for smart industry

报告人：唐立新院士

工作单位：东北大学

报告摘要

Systems optimization is the core basic theory of   decision-making in smart industry, as well as the heart and engine of data   analytics. This talk will discuss some systems modeling methods and   optimization solution methods we have been working on. The systems modeling   methods are to quantitatively describe different practical problems with   proper formulations, including set-packing model, space-time network model,   and continuous-time based model. The optimization solution methods include:   1) Integer optimization to optimally solve typical combinatorial optimization   problems based on mathematical programming. According to the structure   features of the problems, different methods are designated including   branch-and-price, Lagrangian relaxation, Benders decomposition, outer   approximation, and branch-and-cut. 2) Convex optimization is the core of   machine learning. It is also used to solve practical continuous optimization   problem. Major methods are discussed, such as gradient descent, alternative   direction, second order cone, and semidefinite. Additionally, duality   theories are used to improve their efficiency. 3) Intelligent optimization to   solve the large-scale optimization problems with high non-linearity,   dynamics, or multi-objectives. Various intelligent optimization algorithms   will be discussed, including incremental dynamic DE algorithm,   individual-dependent DE algorithm, and MOEA algorithm. 4) Topology   optimization is used to scientifically design material layout within a given   physical space, so as to maximize the system performance while satisfying a   given set of loads and boundary conditions and constraints. It is widely used   in lightweight design for mechanical equipment in smart industry. Major   topology optimization solution methods to handle discrete structure and   continuum structure are discussed. Overall, systems optimization provides the   scientific basis for decision-making and data analytics in smart industry.

个人简介

唐立新，中国工程院院士，现为东北大学副校长（科技规划、国际合作），东北大学控制科学与工程（自动化）国家一级重点学科负责人、控制科学与工程国家“双一流”学科建设领导小组组长，智能工业数据解析与优化教育部重点实验室主任、工业智能与系统优化国家级前沿科学中心主任和首席科学家、计算机软件国家工程研究中心工业软件首席设计师。兼任国务院学位委员会第八届控制科学与工程学科评议组成员、教育部科技委人工智能专委会副主任、中国科协优化算法与软件决策咨询首席专家、中国运筹学会副理事长兼智能工业数据解析与优化专业委员会主任。

主要研究方向为工业智能与系统优化理论方法，包括工业大数据科学、数据解析与机器学习、深度学习与进化学习、加强学习与动态优化、凸优化与稀疏优化、整数与组合最优化、计算智能优化等理论方法，智能工业全流程生产与库存计划、生产与物流批调度、生产过程操作优化与最优控制等系统优化技术，过程监测、设备诊断、产品质知等质量解析技术，图像理解、语音识别、可视仿真等工业智能技术，以及在钢铁制造、机械制造（装备／芯片制造）、能源工业、物流系统、信息工业中的工程应用。

现为6个国际工业智能与系统优化领域重要SCI期刊 IISE Transactions, IEEE Transactions on   Evolutionary Computation, IEEE Transactions on Cybernetics, Journal of   Scheduling, International Journal of Production Research, Journal of the   Operational Research Society 的Associate Editor，国际期刊 Annals of Operations Research 编委，国际期刊 Asia-Pacific Journal of Operational Research 区域主编(Area Editor)。发表在国际工业与系统工程旗舰期刊 IISE Transactions 的论文被评为2017年度“最佳应用论文奖”（Best Applications Paper Award）。

大会报告（四）

报告题目：Risk Models for Cybersecurity

报告人：David Rios Insua 院士

工作单位：AXA-ICMAT Chair, ICMAT-CSIC and Spanish Royal   Academy of Sciences

报告摘要

I shall   present advances in relation to cyber security risk models with emphasis in cyber   insurance. Stemming from an initial reference model for cyber security   resource allocation, I shall focus on taking advantage from the system   structure (including multiple facilities) and the relevance and risks   associated to Artificial Intelligence/Machine Learning tools for cyber   security.

个人简介

David Rios   Insua is Research Professor of Risk Analysis and Data Science and AXA Chair   at ICMAT-CSIC and Member of the Spanish Royal Academy of Sciences. He has   been formerly researcher and or lecturer at Duke, Purdue, Aalto,   Paris-Dauphine, UPM, URJC, Leeds, Purdue, CNR-IMATI and USST and scientific director   of Aisoy Robotics. He received the DeGroot Prize for his work in adversarial   risk analysis and was a finalist of the Edelman Awards for his work in   aviation safety risk management.